基于詞袋模型的高分辨率影像宗建筑物提取方法研究.pdf

1、地理國情是通過地理空間屬性將自然環(huán)境與資源、科技教育狀況、經(jīng)濟(jì)發(fā)展?fàn)顩r、國際環(huán)境等在內(nèi)的各類國情進(jìn)行關(guān)聯(lián)與分析，從而揭示經(jīng)濟(jì)社會發(fā)展的時空演變和內(nèi)在關(guān)系的綜合國情，而這些基礎(chǔ)信息的獲取離不開遙感影像數(shù)據(jù)的支撐。隨著高分一號衛(wèi)星與高分二號衛(wèi)星的成功發(fā)射與運行，為我國的基礎(chǔ)國情普查工作提供了充足的數(shù)據(jù)保障，不僅可以快速獲取大面積高分辨率影像，而且影像數(shù)據(jù)更新周期短。然而傳統(tǒng)的人工目視解譯方法已經(jīng)不能滿足現(xiàn)代化信息更新速度的要求，如何快速、髙

2、效的處理獲取的海量高分辨率影像數(shù)據(jù)已成為目前亟待解決的關(guān)鍵問題。
　　本論文以解決自動、高效提取感興趣信息為目的，結(jié)合基于詞袋模型的標(biāo)注方法和基于Grab Cut圖像分割的邊界提取方法完成感興趣目標(biāo)的提取。通過以提取高分辨率影像中的建筑物信息為例進(jìn)行實驗，并取得了一定的實驗結(jié)果。
　　論文中介紹了兩種基于詞袋模型的標(biāo)注方法，第一種是基于空間金字塔的詞袋模型的標(biāo)注方法。該方法中采用SIFT描述子作為特征單詞，通過 K-mean

3、s聚類方法得到詞典，結(jié)合空間金字塔理論建立具有三層詞匯頻率直方圖特征的影像特征模型，使用SVM分類器進(jìn)行分類。通過標(biāo)注2米分辨率影像和0.5米分辨率影像中的建筑物信息證明了該方法具有較好的標(biāo)注效果。第二種是基于MRF特征的詞袋模型的標(biāo)注方法。該方法結(jié)合馬爾科夫隨機場理論的思想，將鄰域內(nèi)像素按照一定的順序進(jìn)行排列組合成視覺單詞，這樣既包含了上下文信息也減少了原始信息的丟失。實驗結(jié)果表明，該方法的正確率雖比第一種方法略低，但整體時間效率比第